AI的下一个前沿？你正坐在其中

几乎所有今年的AI头条都围绕工作数字层面的某个方面，从编写代码的代理人到在电话会议中做笔记的模型。与此同时，同样使用AI在笔记本电脑上实现显著效率的员工，却走进了现实中的办公室，那里根本没有这种效率。

过去几年关于AI的讨论之所以出现问题，是因为它几乎完全局限在室内，我说的就是字面意义上的室内。讨论围绕屏幕、聊天窗口和文档——人与显示器之间发生的所有事。而与此同时，实体办公室只是静静地存在，被视为需要管理的固定成本，而不是可以被真正理解并改进的系统。

尤其是现代灵活的工作场所，受制于“应该在场”和“实际到场”之间的错配，这让管理变得更加困难。员工到达时，可能找不到会议室，或者在楼层里徘徊寻找空位，就像在圣诞前夕的购物中心寻找停车位一样。楼层平面图很可能是基于某人的猜测而非对人员空间使用的真实数据绘制的。

这种无法高效利用空间的情况比看起来更严重。房地产通常是公司第二大开支，仅次于人力成本。 最近的调查由The Collab Collective进行，六成职场运营专业人士表示，这类工作场所摩擦——即无法高效管理办公资源如办公桌和会议室——在过去一年实际上变得更糟。

这种摩擦同样有代价，而且相当可观。员工每周因寻找空间、追踪同事以及应对各类办公系统而损失大约两到四个小时。按标准薪酬计算，拥有一千名员工的公司仅因工作场所摩擦就可能每年损失高达900万美元。

房地产规划的盲点

AI在解决这些挑战方面具有巨大潜力。正如AI可以预测需求或分配支持工单，它也能学习哪些办公桌和会议室在何时被谁使用。它还能发现视听设备经常故障的地点，并识别哪些楼层或会议空间未被使用。

旧的办公室管理手册也假设员工大多按可预测的时间表出勤。 而在当今的混合工作环境中，这种情况很少出现。 占用率数据显示，这种波动幅度有多大。 但在普通工作日仅约三分之一的容量。 正是这一差距使得仅凭人数来规划空间极不可靠。 为周一高峰设计的楼层到了周四大多空置，而任何直觉都无法像使用数据那样捕捉到这种模式。

这些工具本身使情况更糟，因为大多数公司将预订、访客签到、空间规划、会议服务和分析分别运行在互不通信的系统中。一个不了解会议室实际使用情况的排程工具，在谈判租约时无法向设施部门提供有用信息。位于单一仪表板的分析也无法在预订失效时主动为用户重新安排到其他会议室。

事实上，如今大多数房地产决策仍主要依赖直觉和当前的雇佣情况，而非实际使用数据。当办公室保持一致且可预测的占用率时，这种做法尚可行。但在出勤率随星期和团队而波动的混合工作环境中，这种做法就难以站得住脚。

如果运用得当，职场AI一次性完成两项工作。对员工而言，它通过自动匹配人员与可用空间，实时显示空闲资源，消除临时搬迁会议的需求，从而解决工作后勤问题。对负责预算的运营和设施团队而言，AI可以分析所有细小信号——谁在何时预订了什么、频率如何、哪些会议室空置——绘制出空间实际使用情况的清晰图景。

更进一步，一旦公司能够看到空间的真实使用情况，管理者就能像对待其他资源决策一样，以实际需求为依据做出房地产决策。有了这些信息，他们可以合并无人使用的楼层，在续租时拥有真实的议价筹码，并根据团队的实际协作方式重新设计办公布局。

当数据统一后，收益会迅速显现。比如某组织发现其40%的会议集中在少数会议室内。凭借这些信息，运营经理可以轻松确定哪些会议室应优先进行视听升级，而其余的则需要重新设计而非仅做常规维护。

已经在代码、客服队列和收件箱中使用 AI 的公司已经看到，当优质数据取代猜测时会发生什么。办公室正是下一个可以运用这一经验的场所。更好的是，率先实现这一点的组织不仅能减少对未使用空间的支出，还能把员工因职场摩擦而悄然流失的时间归还给他们。